搜索归档

GitHub Universe 2026：演进技术栈的每一层

GitHub 在年度大会 Universe 上宣布，要把 GitHub 打造成覆盖软件开发全流程的端到端平台。过去开发者主要写代码，现在则越来越多地让 AI 助手和 Agent 承担实现与验证工作，问题在于多模型、多工具、多仓库之间切换繁琐，代码变多后审查压力也增大。这次 GitHub 推出面向 Agent 的 Copilot 应用、能自动挑选和执行模型的 Copilot Fusion、可跨多个仓库并行运行的 Copilot projects，以及能在手机、VS Code、命令行和网页间接续的会话同步，还有能根据运行结果自我改进的自动化流程。此外，企业客户无需再单独购买 Copilot 订阅，按使用的 AI 额度付费即可。对普通开发者来说，这意味着可以把更多执行环节交给 Agent，自己专注于方向和决策。

Cloudflare 以 Workers KV 即时模式向客户开放 Quicksilver，限制在 1 MB 容量内

Cloudflare 把它内部几乎每个请求都会用到的键值存储 Quicksilver，做成了 Workers KV 的一种新模式，目前开放给少数客户做私测（private beta），还没正式上线。键值存储可以理解成一个超大的查号台：给一个名字，马上返回对应的内容。新模式读取速度在 p99 下是 1.62 毫秒，而经典 KV 是 287 毫秒。但限制很硬：最多 1 万个键，每个命名空间只有 1 MB，每秒只能写一次，所以只适合读多写少、数据量小的场景。

微软十月安全更新修复 1400 多个漏洞，其中一个已被野外利用

微软发布了十月份的月度安全更新，一共修复了 1415 个漏洞，涉及 Windows 操作系统、Office、Exchange、.NET、Edge，还可能包括 Hyper-V 和 Azure 相关组件。这些漏洞里有 85 个被定为“严重”级别，也就是风险很高。更需要注意的是，其中一个影响 Windows Shell 的漏洞已经被攻击者在真实环境中利用，说明相关用户应尽快安装更新。对普通用户来说，这次更新能补上大量安全缺口，降低被攻击的风险；目前信息没有说明各漏洞的具体细节和更新推送状态，建议以微软官方发布为准。

演讲：大规模遥测数据治理——自托管可观测性实战指南

Colin Douch 分享了他搭建并扩展自托管可观测性系统的实战经验。过去团队要监控系统，往往得依赖 SaaS 服务，容易被供应商锁定、成本也不好控；他改用 Prometheus、VictoriaMetrics 和 Jaeger 等开源工具，把指标、结构化日志和分布式追踪关联起来，说明这样做在工程上有哪些取舍。对运维和平台团队来说，这提供了一套不依赖外部厂商、可自行掌控的监控方案思路。需要说明的是，材料只提到这是一场演讲，具体可用性和详细做法原文没有展开。

Airbnb 借助 Chronon 将推荐数据陈旧度从两天缩短至数秒

Airbnb 更新了它用来给推荐系统提供数据的 Chronon 平台。以前，推荐系统用的用户行为特征要等将近两天才更新一次，推荐容易过时。现在他们加了 Push Mode（推送模式）和近实时模型转换，能在几秒内更新这类推荐向量，把延迟降到一分钟以内。效果上，离线评测指标 NDCG 提升了 1.67%，线上测试中未取消的预订量大约增加了三分之一百分点。

Spring AI 2.1 消息部件：能完整往返保留的推理内容

Spring AI 是一个用 Java 写 AI 应用的框架。以前它把模型回复只当成一段文字，但像 Claude、Gemini、OpenAI 这些推理模型会额外返回“思考过程”和加密签名，要求下次请求时原样带回；如果顺序错了或丢了，模型就会报错或忘掉之前的推理。Spring AI 2.1 把消息改成按顺序排列的“部件”列表，可存放文本、推理、工具调用、工具结果、图片等，并原样保留这些加密数据，不同厂家的模型之间也能安全切换。该版本目前是 2.1.0-RC1 候选发布版，主要聊天模型都能生成和读取部件，还新增了可持久化这些部件的会话记忆功能。使用 Spring AI 的开发者升级后，推理内容能在多轮对话和流式输出中完整保留，读取方式也统一了。

Gemini 4 Carbon：我们的下一代前沿模型

谷歌发布了新一代前沿模型 Gemini 4 Carbon，宣称是其最强模型，在编程、长时任务和网络安全方面达到领先水平。它排名 Artificial Analysis 智能指数第一（59 分），在找漏洞、利用验证、打补丁三项安全基准上均列第一。该模型不会立刻向公众开放：本周起先提供给部分网络安全防御人员，之后通过 Fairwind 计划逐步扩大可信伙伴范围，开发者、企业和普通用户需等后续产品上线。定价与上一代 Argon 相同：每百万输入 token 2 美元、输出 token 10 美元，缓存输入打 95% 折扣。对读者而言，这展示了模型在安全攻防和长时间自主工作上的进展，但普通用户暂时还用不上。

AI for Science 项目扩展至基金会与科研机构

Anthropic 在 2025 年 5 月启动 AI for Science 项目，为从事高影响力科研项目的研究人员提供免费的 Claude 使用额度。此前该项目主要面向单个科学家，现在则扩展到与全球 20 个科学基金会、科研机构和研究团队合作，让更多领域的研究者能用上 AI 工具。合作内容还包括：与 HHMI Janelia 共同制定让 AI 智能体安全操作实验仪器的共享规范 MHS（目前处于研究预览阶段），以及支持 Allen Institute 用 AI 智能体分析大规模公开数据。参与机构将把额度分配给各自的研究人员，预计还会产出开放数据集、开源软件和开放标准等公共成果。不过，文章未说明这些机构具体能获得多少额度、项目何时全面开放。

Legora 正在打造法律工作的智能体操作系统

Legora 是一家做法律 AI 的公司，它利用 OpenAI 的模型、ChatGPT 和 Codex 来加速法律工作流程。原来律师处理合同分析等工作费时费力，现在可以由 AI 帮忙做合同分析，把律师从重复劳动里解放出来，让他们专注更有价值的工作。不过材料只说明了用途，没有交代具体效果数据、可用范围或发布时间。

公司的未来

这篇文章标题是《公司的未来》，副标题提出一个问题：AI 可能以什么方式进入组织架构——在我们之下、在我们身旁，以及在我们之间。由于提供的内容只有这两句标题和副标题，正文和具体论据都没有给出，所以无法说明作者具体提出了哪些观点、引用了哪些案例或数据，也无法判断文章是否给出了可落地的方案，读者目前只能知道它讨论的是 AI 与公司组织结构的关系。

OpenAI 与 ServiceNow 扩大合作，覆盖企业工作流

OpenAI 和 ServiceNow 宣布扩大双方的合作。之前的状况是两家的产品各自独立：OpenAI 的模型和 Agent 只能在自己的产品里使用，ServiceNow 的企业工作流也只能在 ServiceNow 内部运行。这次双方计划把 OpenAI 的模型和 Agent 接入 ServiceNow，同时把 ServiceNow 的工作流接入 ChatGPT 和 Codex，让两边可以互相调用。对使用企业软件的人来说，这意味着以后可能可以直接在 ChatGPT 或 ServiceNow 里跨平台完成任务。不过材料只提到“扩大合作”，具体的可用时间、功能范围和上线状态都没有说明。

如何用 OpenWiki 和证据图谱构建有据可依的 Agent 记忆

LangChain 把自家开源工具 OpenWiki（一个把原始文档编译成带引用维基页面的命令行工具）当作 Agent 的长期记忆层，并额外用一张"证据图谱"把维基里的结论和它背后的原文段落连起来。原来的问题是：Agent 每次回答跨文档的问题都要临时检索、拼凑，既慢又容易答错。这次的做法是提前把 111 份模拟保险文档编译成约原体积十分之一的维基，再让 Agent 顺着图谱找到支撑证据。结果显示，涉及多来源关联的问题准确率比只用关键词搜索高约 5 倍；加上证据图谱后准确率再提升 27%，引用一致性翻倍，每个正确答案的成本降低 58%。不过对于简单的单段查找，带记忆反而更慢、准确率没提升，所以这套方案更适合需要反复跨来源推理的场景。该工具已开源，文中未说明证据图谱是否单独开放。

如何在托管深度智能体中用 Schedules SDK 构建主动式常驻 Agent

LangChain 团队介绍了如何用“定时任务”（cron，就是让程序按固定时间自动跑一次的机制，类似手机闹钟）来构建主动式 Agent（能自己做事、不用人每次发指令的 AI 助手）。过去这类 Agent 大多只靠简单定时任务，现在他们发现定时任务还能解锁记忆整理、主动提醒、信息筛选、定时跟进和多 Agent 调度等能力。做法上需要两部分：一个方便的定时任务服务器，以及让 Agent 自己能创建和修改提醒的接口。托管深度智能体（MDA）内置了这样的服务器，支持写死在代码里的固定任务，也支持用户临时让 Agent 自己排期。官方称 LangSmith 上超过 70% 的托管深度智能体运行来自定时触发而非人工发消息。文中示例代码可用于参考，但未说明该功能的具体开放状态和限制。

循环工程的艺术

LangChain 团队写了一篇博客，讲怎么让 AI 智能体（能自己调用工具干活的程序）更可靠。原来只靠一个好模型不够，还得给它配一套适合具体任务的“外挂”结构。他们把智能体拆成四层循环：最里面是模型反复调用工具干活；外面加一层检查，输出不合格就打回重做；再外面让智能体被事件自动触发，比如收到消息或定时任务；最外面一层分析每次运行的记录，自动改进提示词和工具配置。文章还强调人工审核该在哪些环节介入敏感操作，并用他们自家的 LangChain、LangSmith 等工具演示每一层怎么搭。目前是概念说明和产品能力介绍，不是新发布。

model-ladder：为 Claude Code 与 Codex 插件按任务难度分级路由模型并验证结果

neilyonglu/model-ladder · Run each coding task on the cheapest model and effort likely to succeed, verify it with your tests, and escalate only when an attempt fails.

model-ladder 是 Claude Code 和 Codex 的插件，通过 Router、Worker、Verifier 三个环节工作：先由路由器为每个编码任务挑选成本与能力匹配的模型及 effort 等级，再由 Worker 在隔离的 Git worktree 中执行，失败时按阶梯升级到更强模型或更高 effort，最后由 Verifier 用项目测试命令校验，通过后才交付结果。它还提供用量守卫与交接文档、任务状态面板、并发运行冲突检测、可配置的 worker/verifier 技能指令等能力。安装需 Git 与 Node.js 20+，并在 Git 仓库中运行，具体模型与测试条件需自行配置。

piloop：为任意 Git 仓库运行编码智能体并自动评分优选提交的自动研究工具

hiloopai/piloop · Autoresearch for any repo: coding agents try ideas, piloop scores every commit and keeps what wins

piloop 是一个面向 Git 仓库的自动研究工具。它让编码智能体围绕一个可由程序度量的目标尝试不同改进思路，每个智能体在独立的 git worktree 中提交改动，piloop 再用用户提供的 evaluate 命令为每个提交打分，仅保留优于当前最优结果的改动。状态保存在本机 SQLite 数据库与仓库 git refs 中，无托管服务；支持 Claude Code、Codex、pi、Gemini CLI、Cursor 等智能体入口，并提供插件机制扩展裁决规则、运行时、表格与命令。

AI Agent Data APIs：面向 AI Agent 的 Apify Actor 目录与 MCP 工具接入指南

cporter202/ai-agent-data-apis · A mega collection of 2,070 AI agent data APIs: MCP servers, LLM tools, RAG pipelines, live web data, vision & voice. Give your AI agent live web data.

这是一个目录型仓库，汇总 2,070 个 Apify actor 及 API，覆盖 MCP servers、LLM 工具、RAG 管道、实时网页数据、视觉与语音等类别，供 AI agent 以工具形式调用。README 提供 actor 分类总览、按任务场景的入口，以及 Agent+MCP 接入、RAG 管道等 playbook 链接。仓库本身是索引与使用指引；实际数据获取依赖 Apify 平台上的 actor，README 披露其中含作者联盟链接。

Wasify AI：本地优先的多模态 AI 工作台

wasif-danesh/wasifyai · Wasify AI: one private, local-first app for chat, notebooks over your own documents, images, video, voice and music, running on models on your own computer. Desktop app on Tauri, FastAPI and LangGraph, Mac first. Early prototype.

Wasify AI 是一个可在自己电脑上运行的本地优先 AI 应用，提供聊天助手、基于自有文档的 Notebooks、图像、视频、语音和音乐生成等功能，所有产出集中在一个可语义搜索的库中。底层包含可复用的平台核心（API、LangGraph 代理运行时、模型网关、媒体 Worker 等），每个产品是薄层应用；目前是早期原型，桌面应用优先面向 Mac。

Dossier：自托管的求职管理应用，依据个人档案生成定制简历与求职信并跟踪申请进度

AienTech/dossier · A self-hosted job search app that writes tailored resumes and cover letters from your profile.

Dossier 是一个自托管的求职管理应用，使用 TypeScript 和 Next.js 构建、以 PostgreSQL 存储数据。它把职业经历集中在一个档案中，生成基础简历；针对具体职位，读取招聘信息、展示与档案的匹配情况，并用档案中的事实起草定制简历和求职信，用户可在聊天中修改并导出 PDF。它提供求职岗位搜索与评分、创业公司职位聚合、可选的每日求职 Agent、Claude 连接器，以及可选的 Gmail 与 Google Calendar 集成，并能用看板和数据表跟踪从草稿到 offer 的全流程。AI 模型可选用 Ollama 或 LM Studio 提供的本地模型，也可选用任意 OpenAI 兼容 API、Anthropic 或 Mistral 的托管模型。

EmpirioLabs AI MCP 服务器：把模型调用、多媒体生成、搜索与 GPU 云接入 MCP 客户端

EmpirioLabs-AI/mcp · EmpirioLabs AI remote MCP server: AI models, media generation, web search, batch jobs, GPU Cloud and hosted agents as tools

EmpirioLabs AI MCP 是一个远程 Model Context Protocol 服务器，无需本地安装，可通过 OAuth 2.1 或 API Key 接入 Claude、ChatGPT、Cursor 等 MCP 客户端。它提供 84 个工具，覆盖模型目录查询、文本推理与嵌入、网页搜索与研究、图像/视频/音频/语音/OCR/3D 生成、批处理任务、GPU 云实例与托管 Agent 管理等。只读查询类工具不消耗额度，其余调用按账户预付积分计费。